AI口播视频剪辑

AI口播视频一键成片

介绍如何用1至6个视频和最多15张图片制作单款电商口播视频，配置AI文案、声音、字幕、封面与背景音乐并生成可预览成片。

更新于 2026/7/26

这个功能是做什么的

AI口播视频一键成片 用来快速制作单款商品视频。你可以添加 1 至 6 个视频，也可以再添加最多 15 张图片，选择文案、声音、字幕、封面和背景音乐后，生成 1 条可以直接查看的成片。

它适合手机随拍、厂家视频、档口素材、直播间口播素材和单款试剪。你不需要先整理 Excel，也不需要准备批量记录表，选择本款素材和输出目录就能开始。

页面支持两种模式：

AI口播混剪：使用 AI 生成或手动填写的口播文案，添加配音、字幕、封面和背景音乐后生成视频。
仅混剪+配背景音乐：不生成口播和字幕，只对画面进行混剪、去重并添加背景音乐。

如果你要按商品文件夹和表格一次处理很多款，请使用 AI批量智能混剪。

本页是单款试剪工具，视频在当前电脑本地处理，不提供云端剪辑开关。这样零散试剪不需要等待云端节点；如果电脑配置较低或需要一次处理多款，请使用 AI批量智能混剪 并保持默认的云端剪辑。

页面会自动检查当前电脑是否可以进行本地剪辑：

显示“已就绪”时，可以直接添加素材并生成成片。
显示“需要安装”时，点击“自动下载安装”，软件会自动完成下载和安装。
如果网络较慢，或已经从云店AI取得安装包，可以点击“使用已下载的安装包”，选择该文件后自动安装。
最低配置建议：4 核处理器、8GB 内存；剪辑时尽量关闭大型软件。

适合哪些使用场景

这个功能适合：

先为一个商品做口播视频样片，再决定是否批量生产。
把厂家或档口提供的多个短视频合成一条商品视频。
用商品图片穿插补充画面，丰富单一视频素材。
给已有视频增加口播、字幕、封面和背景音乐。
不需要口播，只想做视频混剪、画面差异处理和配乐。
测试不同文案方向、音色、画面比例和去重强度。

本页一次只生成 1 条视频，不会把同一条任务复制成多条。需要一款多方向或多款批量生成时，请使用批量剪辑页面。

使用前要准备什么

1. 至少一个视频

视频是必选素材。你可以一次添加 1 至 6 个视频。

只添加一个视频也可以剪辑。系统仍可进行切片、顺序调整、镜像、颜色微调、缩放微调、字幕、封面和配乐等处理。

添加多个视频时，系统会把它们作为本次成片的共同素材，不需要你先手动拼接。

2. 可选的商品图片

图片不是必选。需要补充商品细节、模特图、封面图或穿插画面时，可以添加最多 15 张图片。

添加图片后，可以选择：

随机穿插：图片参与画面混剪。
仅封面：第一张图片放在开头，其余画面以视频为主。
不参与：保留已选图片，但本次成片不使用。

3. 输出目录

输出目录用于保存本次成片以及相关音频、字幕和结果记录。

建议每次测试使用单独目录，避免和原始素材混在一起。软件不会删除你的原视频和原图片。

4. 口播文案

选择 AI口播混剪 时，必须有口播文案才能生成视频。

你可以：

点击 生成口播文案，让系统根据素材和款式关键词生成。
直接在口播文案框里填写或粘贴自己的文案。
AI 生成后继续手动修改，再用修改后的文案成片。

5. 支持的文件格式

视频：mp4、mov、m4v、avi、mkv、webm、flv。
图片：jpg、jpeg、png、webp、bmp、jfif。
本地背景音乐：mp3、wav、m4a、aac、flac、ogg。

文件后缀符合要求，不代表文件内容一定完整。打不开、已损坏、被其它软件占用或只有后缀但没有真实媒体内容的文件，仍可能无法使用。建议在生成前先确认素材能在当前电脑正常播放或打开。

页面怎么使用

第一步：添加素材并选择保存位置

点击 添加视频 选择本次要使用的视频。需要图片时，再点击 添加图片。

素材会显示在已选素材区。你可以点击预览，也可以移除选错的文件。素材数量达到上限后，需要先移除不需要的文件，才能继续添加。

然后选择输出目录。

如果以后经常使用同一套剪辑规则，可以使用设置模板：

保存模板：覆盖当前选中的设置模板。
另存为模板：把当前规则保存成新的设置模板。

设置模板只保存剪辑规则，不会保存本次视频、图片、输出目录或上一次生成的成片。

已经保存的模板可以到 设置中心 -> 设置模板管理 统一查看和删除；“默认模板”不能删除，只能恢复系统默认值。

第二步：选择成片方案

剪辑模式

AI口播混剪 适合需要商品讲解、带货口播、字幕和封面的成片。

仅混剪+配背景音乐 适合已有画面质量较好，只需要混剪、去重和配乐的素材。切换到这个模式后，口播文案、配音和字幕设置会自动隐藏，因为这些内容不会参与本次任务。

口播文案模板

口播模式下可以选择文案模板。模板决定文案的表达风格和可选方向，例如商品介绍、种草、试穿或场景导购。

如果当前商品类目或文案风格不确定，建议先选默认模板生成一条，确认内容符合商品事实后再成片。

画面比例

页面提供：

3:4 主图视频：适合淘宝主图视频等商品展示场景。
9:16 竖版视频：适合抖音等竖屏短视频场景。
1:1 方版视频：适合需要方形画面的展示场景。

多视频处理

只添加一个视频时，页面固定使用第一个视频。添加多个视频时，可以选择：

只用第1个视频：只剪第一个，默认使用这个选项。
多视频合并：让本款的多个视频共同参加混剪。

这与稳定老脚本的处理方式一致，并不是添加多个视频后强制全部合并。

第三步：生成文案并选择配音

这一步只在 AI口播混剪 模式显示。

款式关键词

款式关键词 是可选项，可以填写款式名、商品编码或主要卖点，帮助系统理解商品。它不会直接被当作完整口播正文。

口播方向

可以选择随机一个方向，也可以指定一个方向。单款页每次只生成一个方向。

点击 生成口播文案 后，系统会生成新的文案并自动填入口播文案框。已有文案不会阻止重新生成。生成后请核对商品材质、版型、功能和卖点是否真实，再决定是否使用。

生成口播文案时，系统优先使用第 1 张商品图片作为参考；没有图片时，会从第 1 个视频中取一个画面作为参考。参考画面、款式关键词和当前文案要求会发送到在线文案生成服务。请不要在素材或关键词中放入账号密码、验证码、订单隐私或无授权的个人资料。

字数上限

字数越多，配音和成片通常越长。页面允许设置口播文案字数上限，适合控制视频节奏。

配音和音色

页面会在登录后同步管理员设置的女声和男声，新任务默认选择推荐的“小何 2.0”。如果该声音尚未配置完成，页面会明确显示“暂不可用”并阻止启动，不会偷偷换成其它声音。选择可用音色后，可以按该音色的建议范围调整语速。

旧设置中的常用音色会自动迁移；无法识别的旧音色会要求重新选择。所选音色不可用时，本条任务会明确失败，不会自动换成其它声音。若声音风格必须严格一致，建议先用一条短视频检查成片。

还可以调整：

语速：控制说话快慢。
人声音量：控制口播声音大小。
口播延迟：控制口播和字幕在视频开始后多久出现。
结束缓冲：控制口播结束后画面继续保留多久。

不同音色适合的语速可能不同。新手建议先使用音色的建议值，生成小样后再微调。

第四步：微调画面与声音

切片段数和去重强度

切片段数越多，画面顺序和节奏变化通常越明显，但处理时间也可能增加。

去重强度提供 轻、中、强 和 自定义：

轻：尽量保留原视频节奏，只做较少变化。
中：兼顾画面自然度和差异，适合大多数商品视频。
强：增加镜像、颜色和缩放变化，适合需要更明显画面差异的场景。
自定义：当你手动修改打乱、镜像、颜色或缩放等细项时使用。

去重处理只能帮助画面产生差异，不代表平台一定判定为原创，也不能保证流量或审核结果。

图片展示时长

图片参与混剪时，可以设置每张图片在画面中停留多久。图片过多或停留过长，可能让视频节奏变慢，建议先用默认值试跑。

背景音乐

开启 BGM 后，可以使用系统音乐分类，也可以在更多设置中改用本地音乐文件或本地音乐文件夹。

本地背景音乐有两种方式：

选择一个指定音频文件。
选择一个文件夹，由系统从里面取可用音频。

如果指定的文件不存在、格式不支持，或文件夹里没有可读音频，任务可能继续完成，但成片不带背景音乐。对音乐有硬性要求时，请先确认音频能正常播放，再生成小样。

口播模式下建议开启 人声避让。口播出现时，系统会压低背景音乐，减少音乐盖住人声的情况。

封面和字幕

口播模式可以分别开启或关闭封面、字幕。

展开更多设置后，可以调整：

最小切片时长。
颜色波动和缩放波动。
封面时长。
字幕单行字数、字号和底距。
BGM 音量。
本地 BGM 文件或文件夹。
封面字体和字幕字体。
智能打乱、镜像、倒放和慢放。

低频设置不确定时建议保持默认。先用默认规则生成一条，再针对成片效果调整。

怎么开始生成

页面底部会根据当前模式显示：

生成口播视频
生成配乐混剪视频

点击生成按钮时，页面会先检查：

已添加至少一个视频。
已选择输出目录。
口播模式下已经有口播文案。

如果有缺项，页面会一次告诉你还缺什么、标出对应位置并定位第一项，任务不会进入任务中心。全部填写后，任务才会进入任务中心。长视频、多个素材、字幕、封面和较强去重都会增加处理时间，请不要因为几秒没有成片就重复点击。

结果在哪里看

任务成功后，右侧 成片预览 会优先显示本次生成的视频。你可以点击画面播放，也可以点击 打开成片 在电脑中打开结果。

你还可以在任务中心查看：

当前处理到哪一步。
任务是否成功。
失败原因和处理建议。
本次输出位置。
之前运行过的任务。

如果任务显示成功但页面没有立即更新，可以先刷新任务状态，再检查输出目录和任务中心里的结果路径。

常见问题

1. 为什么点击生成后没有开始

先检查：

是否至少添加了一个视频。
是否选择了输出目录。
口播模式下，口播文案是否为空。

图片不能代替必选视频。只添加图片时，不能开始成片。

页面会保留已经填写的其它设置，并定位第一个缺项；补齐后再次点击即可。

2. 点击生成口播文案后没有内容

常见原因包括：

在线生成服务额度不足或服务暂时不可用。
本地服务没有连接。
素材或款式关键词不足，暂时无法生成合适内容。
网络临时异常。

可以稍后重试，也可以先手动填写文案继续剪辑。持续失败时，请把任务时间和提示信息提供给客服，不要发送账号密码或私密凭证。

3. 文案生成了，但生成视频失败

检查：

视频文件是否仍然存在、是否能正常播放。
输出目录是否存在并且可以写入。
当前选择的配音音色是否可用。
本机视频处理环境是否正常。
本地字体或背景音乐文件是否被移动、占用或损坏。

优先打开任务中心查看失败步骤。云店Agent也可以根据任务记录帮你解释。

4. 视频有画面但没有口播声音

确认当前模式是 AI口播混剪，口播文案不为空，并检查配音音色和人声音量。

如果任务中心提示所选音色暂时不可用，可以重新选择页面中当前可用的音色或稍后再试；系统不会自动改用其它声音。

5. 背景音乐没有出现

确认 BGM 已开启。

使用系统音乐时，请确认已选择音乐分类。使用本地音乐时，请确认音频文件或文件夹仍然存在，并且里面包含可读取的音频。音乐不可用时，任务可能仍会完成，但成片不会带背景音乐。

6. 背景音乐盖住了人声

可以：

降低 BGM 音量。
开启人声避让。
提高人声音量。
换一首更轻的背景音乐。

7. 为什么图片没有出现在视频里

检查 图片参与混剪：

选择 随机穿插，图片会参与画面混剪。
选择 仅封面，只会把第一张图片用于开头画面。
选择 不参与，本次视频不会使用图片。

8. 为什么选择仅配乐后，口播设置消失了

这是正常的。仅混剪+配背景音乐 不生成口播、配音和口播字幕，所以页面会隐藏无效设置，避免误操作。

9. 成片处理很慢是不是卡住了

视频剪辑需要读取素材、切片、转码、合成音频、字幕和封面，通常比表格任务耗时更长。

处理时间会受到视频时长、分辨率、素材数量、字幕、封面、倒放、慢放和电脑性能影响。先在任务中心确认仍有运行播报，再判断是否失败。

10. 原素材会不会被删除

不会。本功能读取你选择的视频、图片、音乐和字体，成片写入输出目录，不会删除原始文件。

云店Agent可以怎么帮你

你可以这样问云店Agent：

我只想把一个商品视频混剪并配背景音乐，应该选哪个模式？

帮我看看这次口播视频为什么失败了。

为什么生成按钮现在不能点？

我想做淘宝主图视频，画面比例应该怎么选？

背景音乐盖住口播了，应该调哪些设置？

云店Agent会优先参考本说明和当前任务记录。涉及生成文案、生成视频或写入输出目录时，会按当前账号权限和确认规则执行。